다중정밀도 고차원 공간 출력을 위한 다변량 가우시안 프로세스 에뮬레이터

본 논문은 허리케인에 의한 폭풍 해일 위험 평가를 위한 고차원 공간 출력 모델링 문제를 다룬다. 폭풍 해일 시뮬레이션은 ADCIRC라는 저정밀도 모델과, 파동 효과를 포함한 ADCIRC+SWAN이라는 고정밀도 모델 두 가지 수준으로 제공되며, 고정밀도 모델 한 번 실행에 수천 코어시간이 소요된다. 따라서 다정밀도 에뮬레이터가 필요하며, 이때 출력이 9,000개 이상의 공간 위치에 걸쳐 있기 때문에 출력 간 상관성을 고려한 효율적인 교차공분산 구조가 핵심 과제이다. 저자는 기존의 네 가지 전략(입력‑출력 결합 GP, 독립 위치별 모델, 분리형 공분산, 비분리형 LMC)을 검토하고, 특히 분리형과 비분리형이 폭풍 해일과 같은 공간적 상관이 강한 현상에 적합하다고 판단한다. 이를 바탕으로 자동회귀 코크리깅 프레임워크를 확장한 두 가지 베이지안 다변량 GP 모델을 제안한다. 첫 번째 모델인 SEP(Separable Autoregressive Cokriging)은 입력 공간과 출력 공간을 텐서곱 형태로 분리하고, 출력 차원의 정밀도 행렬에 희소한 Cholesky 사전분포를 부여한다. 이 사전은 그래픽 라소와 달리 전체 정밀도 행렬을 직접 샘플링하지 않고, Cholesky 분해의 하위 요소에 독립적인 스파스 사전(예: 라플라스)으로 구성한다. 결과적으로 고차원 출력(수천 차원)에서도 역행렬 연산이 O(p) 수준으로 축소되어 MCMC 샘플링이 실용적이다. 또한 각 정밀도 수준별 회귀계수와 공분산 파라미터를 조건부 적분함으로써 폐쇄형 사후분포를 얻고, 별도의 수준별 추정이 가능해 다정밀도 수준을 추가해도 계산 복잡도가 크게 증가하지 않는다. 두 번째 모델인 NONSEP(Nonseparable Autoregressive Cokriging)은 출력 공간을 저차원 기저함수 집합으로 투영하고, 각 정밀도 수준에서 기저 가중치를 다변량 GP로 모델링한다. 기저 가중치들은 자동회귀 구조를 통해 상위 정밀도 수준과 연결되며, 이는 출력 공간과 입력 공간 사이의 비분리적 상관을 유지한다. 기저 차원을 적절히 선택하면 차원 축소 효과와 동시에 공간적 변동성을 포착할 수 있다. 특히 비선형 상관이나 지역적 패턴이 강한 경우 NONSEP이 SEP보다 예측 정확도가 우수한 것으로 나타났다. 두 모델 모두 베이지안 추론을 위해 MCMC와 변분 베이지안을 활용했으며, 사전 설정으로는 Matérn 입력 상관함수와 스케일 파라미터 γ를 사용한다. 실험에서는 (1) 화학물질 확산을 모사한 테스트베드에서 SEP와 NONSEP을 기존 다정밀도 코크리깅, 독립 GP, LMC와 비교했으며, 평균 제곱오차와 예측 신뢰구간 커버리지를 기준으로 우수성을 입증했다. (2) 실제 폭풍 해일 사례인 캡 코랄 지역(≈9,000 위치)에서 두 모델을 적용했으며, 고정밀도 시뮬레이션을 직접 수행한 경우와 비교해 평균 절대오차가 15% 이하로 감소하고, 공간적 집계(예: FEMA 위험 구역)에서 신뢰구간이 적절히 조정되는 것을 확인했다. 특히 교차공분산을 무시한 독립 모델은 집계된 위험 수준에서 과소 커버리지를 보였으며, SEP와 NONSEP은 이를 교정했다. 논문은 또한 모델 확장의 가능성을 논의한다. 입력 설계가 중첩(Nested)된 경우에만 현재 프레임워크가 적용 가능하지만, 비중첩 설계에 대한 확장이나 다중(>2) 정밀도 수준에 대한 일반화도 이론적으로 가능하다. 또한, 기저함수 선택을 자동화하거나, 스파스 사전의 하이퍼파라미터를 데이터 기반으로 학습하는 방법도 제안한다. 마지막으로, 고차원 출력에 대한 효율적인 사후 예측(예: 공간적 평균, 최대값)과 불확실성 정량화를 위한 샘플링 전략을 제시한다. 결론적으로, 본 연구는 고차원 공간 출력과 다정밀도 시뮬레이션을 동시에 다루는 실용적인 베이지안 GP 에뮬레이터를 제공하며, 특히 해안 위험 평가와 같은 실제 과학·공학 문제에 바로 적용할 수 있는 방법론적 토대를 마련한다.